一种基于正则化判别分析的迁移学习算法

摘要：

针对大多数基于实例的迁移学习方法容易产生分布参数估计困难和泛化效果差的问题,提出一种正则化判别迁移学习算法.依据判别分析和半监督学习理论,采用核方法和正则化方法,研究了基于正则化的高斯核半监督判别分析方法,以构造修正嵌入空间的方式进行样本迁移.一方面,在映射空间中筛选样本可克服估计分布参数的困难;另一方面,引入伪标记数据和定义距离函数可避免过拟合问题.文本和非文本数据集上的实验结果验证了所提算法能够有效提高迁移的正确率及学习模型的泛化能力.

关键词：迁移学习、判别分析、正则化、半监督学习

所属期刊栏目：24

分类号：TP181(自动化基础理论)

资助基金：黑龙江省自然科学基金F2016024

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：89-95